DeepSeek 系列模型带火了稀疏计算这条技术路线,不少国产芯片公司抓住这个风口发力适配稀疏大模型,其中一家国产芯片企业近期拿到近 10 亿元融资,用来推进稀疏计算相关芯片研发、产品落地。稀疏计算和传统稠密模型推理不一样,它不会每一次请求都激活全部模型参数,只调用需要的部分参数,算力利用率更高,推理成本更低,DeepSeek 等 MoE 稀疏模型出圈之后,市场看到稀疏路线的商业化潜力,也对能适配稀疏架构的国产芯片需求上涨。企业拿到资金之后,会优先完善稀疏计算芯片的硬件架构、编译器适配、模型调优工具链,接着对接各类稀疏大模型做联调测试,再推进云端推理卡、加速卡的商业化交付,借助稀疏计算的行业红利加快国产芯片的落地节奏,提升在 AI 算力市场的竞争力。
稀疏计算核心优势清单
- 算力利用率更高:仅激活部分参数,避免大量计算资源闲置
- 推理成本更低:相同效果下,稀疏模型能降低 token 推理单价
- 模型扩容门槛下降:更容易做大参数量模型,不用同步拉高全部算力开销
- 适配 MoE 架构:天然适配 DeepSeek 这类混合专家稀疏模型
- 差异化赛道:国产芯片可以避开稠密算力赛道的激烈竞争
稠密计算与稀疏计算对比表
| 类型 | 计算特点 | 资源消耗 | 适配模型 |
|---|---|---|---|
| 稠密计算 | 所有参数每次推理全部参与计算 | 算力开销稳定、整体偏高 | 传统稠密大模型 |
| 稀疏计算 | 按需激活部分专家参数 | 闲置算力少,平均推理成本更低 | MoE 稀疏模型,如 DeepSeek |
国产芯片厂商突围的主要动作
- 第一步:针对稀疏计算重构硬件架构,优化路由、专家调度单元
- 第二步:开发配套编译器,解决 MoE 模型分发、负载均衡难题
- 第三步:和 DeepSeek 等稀疏模型做深度适配,打通软硬协同
- 第四步:推进样卡测试、客户试点部署,收集反馈迭代芯片
- 第五步:依托融资资金扩充团队,加速量产和商业化推广
【常见问题】
问题 1:DeepSeek 带动的稀疏计算,对国产芯片公司突围有什么帮助?
回答 1:DeepSeek 带火稀疏计算之后,市场对 MoE 算力硬件需求上升,国产芯片公司可以走稀疏适配差异化路线,更容易实现技术突围。
问题 2:拿到近 10 亿融资的国产芯片公司,资金主要用来做稀疏计算哪些方向?
回答 2:这笔近 10 亿元融资,主要用于稀疏计算芯片研发、编译器工具链开发、稀疏大模型适配和产品商业化落地。
问题 3:稀疏计算是不是会直接替代原来稠密计算的 AI 芯片?
回答 3:稀疏计算是一条重要路线,DeepSeek 等模型带动需求增长,但稀疏计算和稠密计算各有适用场景,国产芯片公司会双线布局,不会直接互相替代。
【数据来源】
[2026-11-04](DeepSeek 带动稀疏计算热度,国产 AI 芯片企业获近 10 亿元融资)36 氪
[2026-11-02](MoE 稀疏计算成新赛道,国产算力芯片加速软硬适配)机器之心
[2026-10-29](稀疏模型兴起,国产芯片厂商寻找差异化突围路径)财新网
【免责声明】
本内容仅为行业资讯整理,融资金额、技术落地进度以企业官方披露为准,稀疏计算赛道存在技术迭代、市场竞争等不确定性,不构成投资、采购选型建议。
